CN112330056B - 路线确定方法、装置、电子设备和计算机可读存储介质 - Google Patents
路线确定方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112330056B CN112330056B CN202011325036.9A CN202011325036A CN112330056B CN 112330056 B CN112330056 B CN 112330056B CN 202011325036 A CN202011325036 A CN 202011325036A CN 112330056 B CN112330056 B CN 112330056B
- Authority
- CN
- China
- Prior art keywords
- route
- virtual road
- time
- determining
- virtual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000009826 distribution Methods 0.000 claims abstract description 95
- 238000004590 computer program Methods 0.000 claims description 12
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010220 Pearson correlation analysis Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开了一种路线确定方法、装置、电子设备和计算机可读存储介质,根据目标任务的起始位置和目标位置确定至少一个候选路线,根据候选路线中的相邻路段上的预定点确定对应的虚拟路段,获取各所述虚拟路段对应的拟合分布,根据虚拟路段的拟合分布确定该虚拟路段的多个随机行程时间,根据各虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间,根据各路线行程时间从候选路线中确定目标路线。由此,本实施例通过构造相邻路段之间的虚拟路段,可以充分考虑由于路口造成的各个方向上的延误情况,从而可以提高路线行程时间的准确性,进而提高路线推荐的准确性。
Description
技术领域
本发明涉及计算机技术领域,更具体地,涉及一种路线确定方法、装置、电子设备和计算机可读存储介质。
背景技术
近年来,城市交通发展迅速,城市道路拥堵日益严重。在路线选择过程中,用户大多不再以空间距离最短路线作为选择标准,而是综合实时路况,选择出行时间最短路线。
在进行出行路线选择分析时,传统的路线选择分析方法采用静态交通网络进行分析,但随着城市交通网络的发展,交通网络的动态性和实时性特征日益明显,不再适用于传统分析方法。
发明内容
有鉴于此,本发明实施例提供一种路线确定方法、装置、电子设备和计算机可读存储介质,以通过构造相邻路段之间的虚拟路段,充分考虑由于路口造成的各个方向上的延误情况,从而提高路线行程时间的准确性,进而提高路线推荐的准确性。
第一方面,本发明实施例提供一种路线确定方法,所述方法包括:
根据目标任务的起始位置和目标位置确定至少一个候选路线,所述候选路线包括至少一个路段;
根据所述候选路线中的相邻路段上的预定点确定对应的虚拟路段;
获取各所述虚拟路段对应的拟合分布;
根据所述虚拟路段的拟合分布确定所述虚拟路段的多个随机行程时间;
根据各所述虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间;
根据各路线行程时间从所述候选路线中确定目标路线。
可选的,所述预定点为对应路段的中点;
根据所述候选路线中的相邻路段上的预定点确定对应的虚拟路段包括:
将相邻路段中点之间的路径和对应的交叉口确定为对应的虚拟路段。
可选的,各所述虚拟路段对应的拟合分布通过以下步骤确定:
获取历史轨迹数据;
根据各历史轨迹中的相邻路段的预定点确定各所述历史轨迹对应的多个虚拟路段;
确定各所述虚拟路段的历史行程信息,所述历史行程信息包括对应虚拟路段的长度、历史行程时间和单位距离行程时间;
根据所述虚拟路段的历史行程信息确定所述虚拟路段的拟合分布。
可选的,根据各路线行程时间从所述候选路线中确定目标路线包括:
根据预定的时间阈值和所述候选路线的多个路线行程时间确定所述候选路线的可靠参数,所述可靠参数用于表征采用所述候选路线在所述时间阈值内到达所述目标位置的概率;
根据各所述候选路线的可靠参数确定所述目标路线。
可选的,根据各路线行程时间从所述候选路线中确定目标路线包括:
根据预定的可靠参数阈值确定各所述候选路线对应的时间阈值;
根据各所述候选路线对应的时间阈值确定所述目标路线。
可选的,根据各所述虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间包括:
根据各所述虚拟路段的随机行程时间、所述起始位置与所述起始位置所在路段上的预定点的位置关系、所述目标位置与所述目标位置所在路段上的预定点的位置关系,确定对应候选路线的路线行程时间。
可选的,获取各所述虚拟路段对应的拟合分布包括:
根据所述目标任务的发起时间所在的时间段确定各所述虚拟路段对应的拟合分布。
第二方面,本发明实施例提供一种路线确定装置,所述装置包括:
候选路线确定单元,被配置为根据目标任务的起始位置和目标位置确定至少一个候选路线,所述候选路线包括至少一个路段;
虚拟路段确定单元,被配置为根据所述候选路线中的相邻路段上的预定点确定对应的虚拟路段;
拟合分布获取单元,被配置为获取各所述虚拟路段对应的拟合分布;
第一时间确定单元,被配置为根据所述虚拟路段的拟合分布确定所述虚拟路段的多个随机行程时间;
第二时间确定单元,被配置为根据各所述虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间;
目标路线确定单元,被配置为根据各路线行程时间从所述候选路线中确定目标路线。
第三方面,本发明实施例提供一种电子设备,所述电子设备包括存储器、处理器和显示器,所述显示器用于受控显示路线信息,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如上述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时以实现如上所述的方法。
本发明实施例根据目标任务的起始位置和目标位置确定至少一个候选路线,根据候选路线中的相邻路段上的预定点确定对应的虚拟路段,获取各所述虚拟路段对应的拟合分布,根据虚拟路段的拟合分布确定该虚拟路段的多个随机行程时间,根据各虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间,根据各路线行程时间从候选路线中确定目标路线。由此,本实施例通过构造相邻路段之间的虚拟路段,可以充分考虑由于路口造成的各个方向上的延误情况,从而可以提高路线行程时间的准确性,进而提高路线推荐的准确性。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是本发明实施例的路线确定方法的流程图;
图2是本发明实施例的虚拟路段的示意图;
图3是本发明实施例的候选路线上的虚拟路段的示意图;
图4是本发明实施例的路线行程时间的计算方法流程图;
图5-图7是本发明实施例的虚拟路段的拟合分布的示意图;
图8是本发明实施例的虚拟路段拟合分布的确定方法流程图;
图9是本发明实施例的虚拟路段的历史行程时间确定方法的示意图;
图10是本发明实施例的路线确定装置的示意图;
图11是本发明实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
目前,对于出行路线选择分析主要集中于对各种路线选择行为的随机模拟,以仿真方法来确定用户的路线选择行为。在基于大量数据的路线选择行为研究中,主要方法是对实际路网数据进行研究,根据路段之间的相关性和某一标准分布对不同路段的行程时间进行拟合,据此分布规律重新生成各路段的行程时间数据,通过加和得到某路线行程时间,进行具体分析。在此过程中一个很突出的难题就是对交叉口延误时间的判别。而随着城市交通拥堵问题的凸显,将交叉口延误时间纳入路线行程时间的考虑范围显得尤为重要。由此,本发明实施例提供一种路线确定方法,以通过构造相邻路段之间的虚拟路段,充分考虑由于路口造成的各个方向上的延误情况,从而提高路线行程时间的准确性,进而提高路线推荐的准确性。
图1是本发明实施例的路线确定方法的流程图。如图1所示,本发明实施例的路线确定方法包括以下步骤:
步骤S110,根据目标任务的起始位置和目标位置确定至少一个候选路线。其中,候选路线包括至少一个路段。可选的,本实施例中的路段信息可以根据路网数据确定。可选的,本实施例从OSM(Open Street Map,公开地图)中获取指定区域的路网数据。
在一种可选的实现方式中,目标任务可以为需要确定路线的任何任务,例如导航任务。可选的,在本实施例中,响应于任务请求,获取该目标任务对应的起始位置和目标位置,并根据起始位置和目标位置确定至少一个候选路线。可选的,候选路线可以根据目标任务的起始位置、目标位置、各路段的实时信息、历史路况信息等确定多个候选路线,也可以获取预定的地图服务器基于起始位置、目标位置及路况信息规划出的多个候选路线,本实施例并不对此进行限制。
步骤S120,根据候选路线中的相邻路段上的预定点确定对应的虚拟路段。在一种可选的实现方式中,预定点为对应路段的中点,也即根据相邻路段上的中点确定对应的虚拟路段。步骤S120具体可以包括:将相邻路段中点之间的路径和对应的交叉口确定为对应的虚拟路段。由此,本实施例通过包括交叉口的虚拟路段确定推荐路线,可以充分考虑由于路口造成的各个方向上的延误情况,从而提高路线行程时间的准确性,进而提高路线推荐的准确性。应理解,并实施例并不将预定点限制于路段中点,能够满足相邻路段上的预定点之间的路径包括交叉口即可应用在本实施例中。
图2是本发明实施例的虚拟路段的示意图。本实施例以预定点为路段中点为例,如图2所示,对于形成交叉口o的4条实际路段r1、r2、r3和r4,路段r1-r4的中点分别为点m1、m2、m3和m4。则路段r1和路段r2可以形成虚拟路段vr1(也即中点m1-o-m2之间的路径),路段r1和路段r3可以形成虚拟路段vr2(也即中点m1-o-m3之间的路径),路段r1和路段r4可以形成虚拟路段vr3(也即中点m1-o-m4之间的路径),路段r2和路段r3可以形成虚拟路段vr4(也即中点m2-o-m3之间的路径),路段r2和路段r4可以形成虚拟路段vr5(也即中点m2-o-m4之间的路径),路段r3和路段r4可以形成虚拟路段vr6(也即中点m3-o-m4之间的路径)。由此,本实施例可以通过获取虚拟路段的行程时间,并根据虚拟路段的行程时间确定对应路线的总行程时间,充分考虑了由于路口造成的各个方向上的延误情况,从而可以提高路线行程时间的准确性,进而可以提高路线推荐的准确性,提高用户的使用体验感。
图3是本发明实施例的候选路线上的虚拟路段的示意图。本实施例以预定点为路段中点为例,如图3所示,对于起始位置为O、目标位置为D的候选路线L1,候选路线L1包括路段l1、l2、l3和l4。其中,路段l1-l4的中点分别为点m1、点m2、点m3和点m4。由此,候选路线L1对应的虚拟路段包括虚拟路段m1m2、虚拟路段m2m3以及虚拟路段m3m4。同理,可以确定目标任务其他候选路线对应的虚拟路段。
在一种可选的实现方式中,在路网数据中,各实际路段具有对应的路段标识。可选的,虚拟路段的标识根据其对应的相邻两个实际路段的标识确定。如图3所示,假设路段l1-l4的路段标识分别为1、5、8、13,则虚拟路段m1m2的标识可以为1005,虚拟路段m2m3的标识可以为5009,虚拟路段m3m4的标识可以为90013。应理解,本实施例并不对实际路段和虚拟路段的路段标识方式进行限定。
步骤S130,获取各虚拟路段对应的拟合分布。在一种可选的实现方式中,路网中各虚拟路段对应的拟合分布可以根据历史轨迹数据预先确定。可选的,本实施例的拟合分布可以采用约翰逊分布(Johnsonsu)、柯西分布(cauchy)、拉普拉斯分布(loglaplace)、或皮尔逊相关分析(pearson)等进行拟合,本实施例并不对拟合方式进行限制。可选的,虚拟路段在同一时间段内可以具有不同类型的拟合分布,以根据采用多种类型的拟合分布仿真虚拟路段的单位距离行程时间,进一步提高路线行程时间的预测准确度。
在一种可选的实现方式中,虚拟路段的拟合分布可以体现其单位距离行程时间在一时间区间内的各个时间的概率密度。可选的,虚拟路段对应的时间区间可以根据其单位距离行程时间所分布的时间范围确定。在本实施例中,单位距离行程时间也即运动单位距离所消耗的时间。例如假设单位距离为10m,则单位距离行程时间为每运动10m所消耗的时间。在另一种可选的实现方式中,虚拟路段的拟合分布可以体现其行程时间在一时间区间内的各个时间的概率密度。其中,虚拟路段对应的时间区间可以根据历史行程时间所分布的时间范围确定。
在一种可选的实现方式中,在本实施例中,虚拟路段在不同的时间段内具有不同的拟合分布,步骤S130具体可以为:根据目标任务的发起时间所在的时间段确定各虚拟路段对应的拟合分布。由此,可以适应不同时间段的路况信息,进一步了提高路线行程时间的预测准确性。应理解,本实施例并不对时间段的长度进行限制,其可以为几分钟、几十分钟等。
步骤S140,根据虚拟路段的拟合分布确定虚拟路段的多个随机行程时间。
在一种可选的实现方式中,虚拟路段的拟合分布可以体现其单位距离行程时间在一时间区间内的各个时间的概率密度。步骤S140可以包括:根据虚拟路段的拟合分布仿真确定该虚拟路段对应的预定个单位距离行程时间,并根据各单位距离行程时间和该虚拟路段的长度确定预定个随机行程时间。
例如,假设根据虚拟路段的拟合分布仿真确定的单位距离行程时间分别为ts1,ts2,…,tsN,N大于1,该虚拟路段的长度为Ls,则该虚拟路段对应的随机行程时间为tLs1,tLs2,…,tLsN。其中,tLsi=tsi*Ls,1≤i≤N。应理解,本实施例并不对N的值进行限制,其可以根据预测的路线行程时间的准确度进行设置。
在另一种可选的实现方式中,虚拟路段的拟合分布可以体现其行程时间在一时间区间内的各个时间的概率密度。步骤S140可以包括:根据虚拟路段的拟合分布仿真确定该虚拟路段对应的预定个随机行程时间。
步骤S150,根据各虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间。
在一种可选的实现方式中,各虚拟路段的多个随机行程时间具有对应的顺序标识,将候选路线中的同一顺序标识的各虚拟路段的随机行程时间进行加和,获取多个该候选路线的虚拟路段随机行程总时间。
举例说明,假设一候选路线包括虚拟路段L1、L2和L3,各虚拟路段具有N(N>1)个虚拟行程时间,该候选路线的虚拟路段随机行程总时间计算方法如表(1)所示:
表(1)
在一种可选的实现方式中,由于目标任务的起始位置与其所在路段上的虚拟路段端点的距离、目标位置与其所在路段上的虚拟路段端点的距离一般较近,消耗的时间也较短,因此,可以将候选路线的虚拟路段随机行程总时间作为该候选路线的路线行程时间,以减小计算量,提高路线确定的效率。在其他可选的实现方式中,也可以将起始位置(目标位置)所在实际路段对应的虚拟路段的单位距离行程时间确定为起始位置(目标位置)与其所在路段上的中点之间的路径的单位距离行程时间,以确定起始位置(目标位置)与其所在路段上的中点之间的多个路径行程时间,根据各路径行程时间、对应的虚拟路段随机行程总时间、以及起始位置(目标位置)与其所在路段上的中点的位置关系确定该候选路线的多个路线行程时间,以进一步提高路线行程时间的预测准确性。
在另一种可选的实现方式中,步骤S150具体可以为:根据各虚拟路段的随机行程时间、目标任务的起始位置与该起始位置所在路段上的预定点的位置关系、目标位置与该目标位置所在路段上的预定点的位置关系,确定对应候选路线的路线行程时间。可选的,本实施例以预定点为对应路段的中点为例进行说明。
由于目标任务的起始位置(目标位置)与其所在路段上的中点之间并不存在交叉口,因此这段路径的路径行程时间若采用对应虚拟路段的单位距离行程时间会使得预测的候选路线的路线行程时间偏大或偏小。由此,本实施例根据预先确定的各实际路段的拟合分布确定起始位置(目标位置)与其所在路段上的中点之间的多个路径行程时间,以进一步提高候选路线的路线行程时间的预测准确性。
在一种可选的实现方式中,路网中各实际路段对应的拟合分布可以根据历史轨迹数据预先确定。可选的,实际路段的拟合分布可以体现其单位距离行程时间在一时间区间内的各个时间的概率密度。可选的,实际路段对应的时间区间可以根据其单位距离行程时间所分布的时间范围确定。
在本实施例中,根据目标任务的起始位置所在实际路段的拟合分布仿真获得该实际路段上的多个单位距离行程时间,并根据该实际路段上的多个单位距离行程时间、起始位置与该实际路段中点之间的路径长度,确定起始位置与该实际路段中点之间的路径所消耗的多个路径行程时间。同理,根据目标任务的目标位置所在实际路段的拟合分布仿真获得该实际路段上的多个单位距离行程时间,并根据该实际路段上的多个单位距离行程时间、目标位置与该实际路段中点之间的路径长度,确定目标位置与该实际路段中点之间的路径所消耗的多个路径行程时间。由此,可以根据各虚拟路段的随机行程时间、目标任务的起始位置与其所在路段上的中点之间的位置关系及对应的路径行程时间、目标位置与其所在路段上的中点的位置关系及对应的路径行程时间,确定对应候选路线的路线行程时间。
图4是本发明实施例的路线行程时间的计算方法流程图。如图4所示,本实施例的候选路线的路线行程时间的计算方法包括如下步骤:
步骤S210,确定候选路线对应的虚拟路段行程总时间tODv。其中,虚拟路径行程总时间的确定方法与上述实施例类似,在此不再赘述。
步骤S220,确定目标任务的起始位置所在实际路段标识和目标位置所在实际路段标识。
步骤S230,根据起始位置所在实际路段的拟合分布确定第一单位路径行程时间,根据目标位置所在实际路段的拟合分布确定第二单位路径行程时间。
步骤S240,计算第一路径长度与第一单位路径行程时间的乘积以获取第一路径行程时间tOm,计算第二路径长度与第二单位路径行程时间的乘积以获取第二路径行程时间tDm。其中,第一路径长度用于表征起始位置与其所在实际路段的中点之间的路径长度,第二路径长度用于表征目标位置与其所在实际路段的中点之间的路径长度。
步骤S250,判断候选路线是否经过起始位置所在实际路段中点,若经过,执行步骤S260,若不经过执行步骤S270。
步骤S260,判断候选路线是否经过目标位置所在实际路段中点,若经过,执行步骤S280,若不经过执行步骤S290。
步骤S270,判断候选路线是否经过目标位置所在实际路段中点,若经过,执行步骤S2A0,若不经过执行步骤S2B0。
步骤S280,若候选路线经过起始位置所在实际路段中点,且不经过目标位置所在实际路段中点,则确定该候选路线的路线行程时间tOD=tODv+tOm-tDm。
步骤S290,若候选路线经过起始位置所在实际路段中点,且经过目标位置所在实际路段中点,则确定该候选路线的路线行程时间tOD=tODv+tOm+tDm。
步骤S2A0,若候选路线不经过起始位置所在实际路段中点,且经过目标位置所在实际路段中点,则确定该候选路线的路线行程时间tOD=tODv-tOm+tDm。
步骤S2B0,若候选路线不经过起始位置所在实际路段中点,且经过目标位置所在实际路段中点,则确定该候选路线的路线行程时间tOD=tODv-tOm-tDm。
本实施例根据各虚拟路段的随机行程时间、目标任务的起始位置与其所在路段上的中点之间的位置关系及对应的路径行程时间、目标位置与其所在路段上的中点的位置关系及对应的路径行程时间,确定对应候选路线的路线行程时间,由此,可以充分考虑候选路线中的交叉口位置对行程时间的影响,提高了路线行程时间的预测准确性。
应理解,本实施例通过先计算虚拟路段行程总时间tODv、第一路径行程时间tOm和第二路径行程时间tmD,再判断起始位置(目标位置)与其所在路段上的中点之间的位置关系的方式获取候选路线的路线行程时间。应理解,其他可选的实现方式,例如先判断起始位置(目标位置)与其所在路段上的中点之间的位置关系,再计算虚拟路段行程总时间tODv、第一路径行程时间tOm和第二路径行程时间tmD的方式等均可应用于本实施例中,本实施例并不对此进行限制。
图5-图7是本发明实施例的虚拟路段的拟合分布的示意图。在实施例中,虚拟路段的拟合分布可以体现其行程时间在一时间区间内的各个时间的概率密度。以图3所示的候选路线为例,该候选路线L3包括虚拟路段m1m2、虚拟路段m2m3和虚拟路段m3m4。在本实施例中,首先分别获取虚拟路段m1m2、虚拟路段m2m3和虚拟路段m3m4的拟合分布。其中,如图5所示,虚拟路段m1m2的拟合分布5采用johnsonsu分布对该虚拟路段的历史行程时间拟合确定,其历史行程时间主要集中在20s-100s的范围内。在本实施例中,根据拟合分布5仿真生成N个虚拟路段m1m2的随机行程时间,其中N>1,例如,N=1000,应理解,本实施例并不对N的值进行限定。如图6所示,虚拟路段m2m3的拟合分布6采用johnsonsu分布对该虚拟路段的历史行程时间拟合确定,其历史行程时间主要集中在5s-20s的范围内。在本实施例中,根据拟合分布6仿真生成N个虚拟路段m2m3的随机行程时间。如图7所示,虚拟路段m3m4的拟合分布7采用pearson分布对该虚拟路段的历史行程时间拟合确定,其历史行程时间主要集中在40s-90s的范围内。在本实施例中,根据拟合分布7仿真生成N个虚拟路段m2m3的随机行程时间。
候选路线L3上的虚拟路段m1m2、虚拟路段m2m3和虚拟路段m3m4的各随机行程时间及虚拟路段随机行程总时间如表(2)所示,在本实施例中,仅按顺序标识列出前10个以便于描述。
表(2)
如图3所示,候选路线L3经过实际路段l1的中点m1,但不经过实际路段l4的中点m4,因此,虚拟路段m1m2、m2m3、m3m4之间的路径相对于候选路线L3,缺少了起始位置O至中点m1之间的路径,增加了目标位置与中点m4之间的路径。由此,候选路线L3的路线行程时间tOD=tODv+tOm1-tDm4。其中,tODv为虚拟路段m1m2、m2m3、m3m4的虚拟路段随机总时间,tOm1为起始位置O与中点m1之间的路径行程时间,tDm4为目标位置D与中点m4之间的路径行程时间。
在实施例中,由于目标任务的起始位置O(目标位置D)与中点m1(中点m2)之间并不存在交叉口,因此,该路径对应的单位距离行程时间相对于对应虚拟路段上的单位距离行程时间较小。本实施例根据预先确定的实际路段l1的拟合分布仿真获取路径Om1的N个单位距离行程时间,根据单位距离行程时间和路径Om1的路径长度确定N个路径行程时间,根据预先确定的实际路段l4的拟合分布仿真获取路径Dm4的N个单位距离行程时间,根据单位距离行程时间和路径Dm4的路径长度确定N个路径行程时间,并根据路径Om1的N个路径行程时间、路径Dm4的N个路径行程时间,以及上述获取的N个虚拟路径随机行程总时间确定候选路线L3的N个路线行程时间。
候选路线L3对应的虚拟路段随机行程总时间、路径Om1的路径行程时间、路径Dm4的路径行程时间以及候选路线L3的路线行程时间如表(3)所示,在本实施例中,仅按顺序标识列出前10个以便于描述。
表(3)
步骤S160,根据各路线行程时间从各候选路线中确定目标路线。在一种可选的实现方式中,步骤S160可以包括:根据预定的时间阈值和候选路线的多个路线行程时间确定候选路线的可靠参数,并根据各候选路线的可靠参数确定所述目标路线。其中,可靠参数用于表征采用候选路线在时间阈值内到达目标位置的概率。可选的,在本实施例中,在确定各候选路线满足时间阈值的可靠参数后,比较各候选路线的可靠参数,将最大可靠参数对应的候选路线确定为目标路线,以将预测最准确的出行时间符合要求的路线推荐给用户。在其他可选的实施例中,可以对候选路线的可靠参数进行从大到小排序,将序列中的前预定个候选路线确定为目标路线,以推荐给用户多个路线供用户自行选择。本实施例并不对目标路线的数量进行限制。
在一种可选的实现方式中,可靠参数R可以根据仿真获取的路线行程时间T小于时间阈值Tth的概率确定,也即R=P(T≤Tth)。可选的,对于一个候选路线,可以将在其路线行程时间中,小于时间阈值的路线行程时间数量与路线行程时间总数量的比值作为该候选路线的可靠参数R。例如,假设仿真获取了一候选路线的N个路线行程时间,其中小于时间阈值Tth的路线行程时间的数量为N1,则该候选路线的可靠参数R=N1/N。
在另一种可选的实现方式中,步骤S160可以包括:根据预定的可靠参数阈值确定各候选路线对应的时间阈值,根据各候选路线对应的时间阈值确定目标路线。可选的,各候选路线的可靠参数可以根据步骤S150获取的N个路线行程时间和时间阈值确定。可选的,在本实施例中,在确定各候选路线满足可靠参数阈值的时间阈值后,比较各候选路线的时间阈值,将最小时间阈值对应的候选路线确定为目标路线,以将预测的出行时间最小的路线推荐给用户。在其他可选的实施例中,可以对候选路线的时间阈值进行从小到大排序,将序列中的前预定个候选路线确定为目标路线,以推荐给用户多个路线供用户自行选择。本实施例并不对目标路线的数量进行限制。
在一种可选的实现方式中,可靠参数R表征采用候选路线在时间阈值内到达目标位置的概率。可选的,可靠参数R可以根据仿真获取的路线行程时间T小于时间阈值Tth的概率确定,也即R=P(T≤Tth)。可选的,对于一个候选路线,可以将在其路线行程时间中,小于时间阈值的路线行程时间数量与路线行程时间总数量的比值作为该候选路线的可靠参数R。例如,假设仿真获取了一候选路线的N个路线行程时间,其中小于时间阈值Tth的路线行程时间的数量为N1,则该候选路线的可靠参数R=N1/N。
由此,假设给出了候选路线所要求的可靠参数阈值,则可以确定在满足该可靠参数阈值时,需要小于时间阈值Tth的路线行程时间的数量为N1,对候选路线的N个路线行程时间从小到大进行排序,将第N1个或者第N1+1个路线行程时间确定为该候选路线的时间阈值。
本实施例根据候选路线中的相邻路段上的预定点确定对应的虚拟路段,获取各所述虚拟路段对应的拟合分布,根据虚拟路段的拟合分布确定该虚拟路段的多个随机行程时间,根据各虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间,根据各路线行程时间从候选路线中确定目标路线。由此,本实施例通过构造相邻路段之间的虚拟路段,可以充分考虑由于路口造成的各个方向上的延误情况,从而可以提高路线行程时间的准确性,进而提高路线推荐的准确性。
图8是本发明实施例的虚拟路段拟合分布的确定方法流程图。在一种可选的实现方式中,如图8所示,各虚拟路段对应的拟合分布可以通过以下步骤确定:
步骤S310,获取历史轨迹数据。其中,历史轨迹数据中包括多个历史轨迹所经过的路段、通过对应路段的时间、以及经过路段上的特征点(例如路段起点、中点、终点、公交站点、地铁站点等)的时刻等。其中,路段起点和路段终点可以从路网数据中获取。可选的,对于直线路段,路段中点的坐标可以根据路段起点和路段终点的坐标平均值确定。对于非直线路段,路段中点的坐标可以根据路段的长度、对应区域经纬度与长度的比例或近似比例、以及该路段上的多个特征点的坐标进行确定。其中,首先计算路段的半长l=L/2,L为该路段的总长度,其可以从路网数据中直接获得。在地球的不同区域,经纬度对应的长度具有一定的差异,因此,需要获取指定区域对应的经纬度与长度的比例系数k为:
其中,xi为该路段上第i个特征点的经度,yi为该路段上第i个特征点的纬度,k为经纬度与长度之间的比例系数,L为该路段的全长,n为该路段上的特征点的个数。
之后,根据路段的半长l、经纬度与长度的比例系数k确定该路段的中点所在的路段部分:
While
Then
Else
其中,d为该路段的中点距离该路段上第i个特征点的长度。
可选的,本实施例通过求解相似三角形获得路段中点坐标。其中,若该路段的中点位于特征点(xi,yi)和特征点(xi+1,yi+1)所形成的路段部分,则路段中点坐标(x0,y0)为:
在一种可选的实现方式中,本实施例通过将各历史轨迹进行路网匹配,以获取历史轨迹数据。可选的,本实施例可以通过比较位于同一网格区域的轨迹点和路段上的特征点的距离,实现轨迹点与对应特征点的绑定,从而实现地图匹配,由此,可以减小地图匹配的计算量,提高地图匹配的效率。其中,本实施例可以将与路段起点绑定的轨迹点的时刻确定为进入该路段的时刻,将与路段终点绑定的轨迹点的时刻确定为离开该路段的时刻,根据进入该路段的时刻和离开该路段的时刻可以确定通过该路段的时间。可选的,在本实施例中,可以通过GeoHash编码对制定区域进行划分,以获取指定区域内的网格,各网格的网格标识可以为对应的GeoHash编码。应理解,本实施例并不对轨迹的地图匹配方法进行限制,能够将运动轨迹绑定到路网上的地图匹配方法均可应用于本实施例中。
步骤S320,根据各历史轨迹中的相邻路段的预定点确定各历史轨迹对应的多个虚拟路段。以预定点为路段中点为例,各历史轨迹的虚拟路段确定方法与图2-图3所示的实施例类似,在此不再赘述。
其中,每个历史轨迹可以包括多个虚拟路段,在历史轨迹数据足够多的情况下,存在部分或全部重合的历史轨迹,也即,不同历史轨迹可以具有同一虚拟路段,因此,同一个虚拟路段可以具有多个历史行程时间等信息。
步骤S330,确定各虚拟路段的历史行程信息。其中,历史行程信息包括对应虚拟路段的长度和历史行程时间等信息。
在一种可选的实现方式中,若历史轨迹经过一虚拟路段的两端端点,则在该历史轨迹中,经过该虚拟路段的历史行程时间tvl为:
tvl=tm1-tm2
其中,tvl为经过该虚拟路段的历史行程时间,tm1、tm2、tm2分别为经过该虚拟路段两端端点的时刻,也即经过对应的相邻路段中点的时刻。
图5是本发明实施例的虚拟路段的历史行程时间确定方法的示意图。在一种可选的实现方式中,如图5所示,实际路段O1O2的中点m坐标为(xm,ym),在对应的历史轨迹上确定距离中点m最近的两个轨迹点P1(x1,y1)和P2(x2,y2),轨迹点P1和P2对应的时刻分别为t1、t2。假设实际路段O1O2上的轨迹点的密度较大、且在轨迹点P1至中点m之间做匀速运动,则经过中点m的时刻tm为:
其中,tm为历史轨迹经过路段中点m的时刻,t1、t2分别为该历史轨迹经过轨迹点P1和P2的时刻,d12为轨迹点P1与P2之间的距离,d2m为轨迹点P2与路段中点m之间的距离。
由此,若历史轨迹不经过虚拟路段的一端端点(实际路段的中点)或两端端点,也即在地图匹配过程中,历史轨迹上没有与路段中点绑定的轨迹点,因此,无法直接确定该历史轨迹经过路段中点的时刻,则可以基于上述方法,根据距离虚拟路段端点较近的两个轨迹点确定该历史轨迹经过虚拟路段端点的时刻,从而确定对应的虚拟路段的历史行程时间。
步骤S340,根据虚拟路段的历史行程信息确定虚拟路段的拟合分布。在一种可选的实现方式中,对于每个虚拟路段,根据其对应的多个历史行程信息进行拟合,获取均方根误差最小的拟合分布及拟合参数。可选的,虚拟路段的拟合分布可以体现其行程时间在一时间区间内的各个时间的概率密度。其中,虚拟路段对应的时间区间可以根据历史行程时间所分布的时间范围确定。可选的,本实施例的拟合分布可以采用约翰逊分布(Johnsonsu)、柯西分布(cauchy)、拉普拉斯分布(loglaplace)、或皮尔逊相关分析(pearson)等进行拟合,本实施例并不对拟合方式进行限制。
可选的,分别获取每个虚拟路段在不同时间段内的多个历史行程信息,以对该虚拟路段的各个时间段内的多个历史行程信息进行分别拟合,获取各个时间段内的该虚拟路段对应的拟合分布。例如对上午7:00-8:00内的该虚拟路段的历史行程信息进行拟合,确定该拟合路线在上午7:00-8:00内的拟合分布,对上午10:00-11:00内的该虚拟路段的历史行程信息进行拟合,确定该拟合路线在上午10:00-11:00内的拟合分布等。应理解,本实施例并不对时间段的长度进行限制,其可以为几分钟、几十分钟等。由此,可以根据不同时间段的路况信息确定不同的拟合分布,以进一步提高路线行程时间的预测准确性。
在一种可选的实现方式中,虚拟路段的历史行程信息还包括单位距离行程时间,例如假设单位距离为10m,则单位距离行程时间为每运动10m所采用的时间。可选的,虚拟路段的拟合分布可以体现其单位距离行程时间在一时间区间内的各个时间的概率密度。
本实施例通过获取历史轨迹数据,根据各历史轨迹中的相邻路段的预定点确定各历史轨迹对应的多个虚拟路段,确定各虚拟路段的历史行程信息,并根据虚拟路段的历史行程信息确定虚拟路段的拟合分布,由此,可以基于各虚拟路段的拟合分布确定目标任务中的虚拟路段的行程时间信息,从而可以提高候选路线的行程时间的预测准确性。
同理,本实施例可以根据历史轨迹数据确定各实际路段的历史行程时间及历史单位距离行程时间,对各实际路段的历史行程时间及历史单位距离行程时间等信息进行拟合,以确定各实际路段的拟合分布,其拟合方式与虚拟路段的拟合方式类似,在此不再赘述。
图10是本发明实施例的路线确定装置的示意图。如图10所示,如图10所示,本实施例的路线确定装置10包括候选路线确定单元101、虚拟路段确定单元102、拟合分布获取单元103、第一时间确定单元104、第二时间确定单元105和目标路线确定单元106。
候选路线确定单元101被配置为根据目标任务的起始位置和目标位置确定至少一个候选路线,所述候选路线包括至少一个路段。
虚拟路段确定单元102被配置为根据所述候选路线中的相邻路段上的预定点确定对应的虚拟路段。在一种可选的实现方式中,所述预定点为对应路段的中点。虚拟路段确定102进一步配置为将相邻路段中点之间的路径和对应的交叉口确定为对应的虚拟路段。
拟合分布获取单元103被配置为获取各所述虚拟路段对应的拟合分布。在一种可选的实现方式中,拟合分布获取单元103进一步被配置为根据所述目标任务的发起时间所在的时间段确定各所述虚拟路段对应的拟合分布。
第一时间确定单元104被配置为根据所述虚拟路段的拟合分布确定所述虚拟路段的多个随机行程时间。第二时间确定单元105被配置为根据各所述虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间。在一种可选的实现方式中,第二时间确定单元105进一步被配置为根据各所述虚拟路段的随机行程时间、所述起始位置与所述起始位置所在路段上的预定点的位置关系、所述目标位置与所述目标位置所在路段上的预定点的位置关系,确定对应候选路线的路线行程时间。
目标路线确定单元106被配置为根据各路线行程时间从所述候选路线中确定目标路线。在一种可选的实现方式中,目标路线确定单元106包括可靠参数确定子单元1061和第一目标确定子单元1062。可靠参数确定子单元1061被配置为根据预定的时间阈值和所述候选路线的多个路线行程时间确定所述候选路线的可靠参数,所述可靠参数用于表征采用所述候选路线在所述时间阈值内到达所述目标位置的概率。第一目标确定子单元1062被配置为根据各所述候选路线的可靠参数确定所述目标路线。
在另一种可选的实现方式中,目标路线确定单元106包括时间阈值确定子单元1063和第二目标确定子单元1064。时间阈值确定子单元1063被配置为根据预定的可靠参数阈值确定各所述候选路线对应的时间阈值。第二目标确定子单元1064被配置为根据各所述候选路线对应的时间阈值确定所述目标路线。
在一种可选的实现方式中,路线确定装置10还包括拟合单元107。拟合单元107包括历史数据获取子单元1071、虚拟路段确定子单元1072、历史行程信息确定子单元1073和拟合子单元1074。历史数据获取子单元1071被配置为获取历史轨迹数据。虚拟路段确定子单元1072被配置为根据各历史轨迹中的相邻路段的预定点确定各所述历史轨迹对应的多个虚拟路段。历史行程信息确定子单元1073被配置为确定各所述虚拟路段的历史行程信息,所述历史行程信息包括对应虚拟路段的长度、历史行程时间和单位距离行程时间。拟合子单元1074被配置为根据所述虚拟路段的历史行程信息确定所述虚拟路段的拟合分布。
本发明实施例根据目标任务的起始位置和目标位置确定至少一个候选路线,根据候选路线中的相邻路段上的预定点确定对应的虚拟路段,获取各所述虚拟路段对应的拟合分布,根据虚拟路段的拟合分布确定该虚拟路段的多个随机行程时间,根据各虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间,根据各路线行程时间从候选路线中确定目标路线。由此,本实施例通过构造相邻路段之间的虚拟路段,可以充分考虑由于路口造成的各个方向上的延误情况,从而可以提高路线行程时间的准确性,进而提高路线推荐的准确性。
图11是本发明实施例的电子设备的示意图。如图11所示,电子设备11为通用数据处理装置,其包括通用的计算机硬件结构,其至少包括处理器111和存储器112。处理器111和存储器112通过总线113连接。存储器112适于存储处理器111可执行的指令或程序。处理器111可以是独立的微处理器,也可以是一个或者多个微处理器集合。由此,处理器111通过执行存储器112所存储的指令,从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线113将上述多个组件连接在一起,同时将上述组件连接到显示控制器114和显示装置以及输入/输出(I/O)装置115。输入/输出(I/O)装置115可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地,输入/输出装置115通过输入/输出(I/O)控制器116与系统相连。
本领域的技术人员应明白,本申请的实施例可提供为方法、装置(设备)或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品。
本申请是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。
这些计算机程序指令可以存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现流程图一个流程或多个流程中指定的功能。
也可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
本发明的另一实施例涉及一种非易失性存储介质,用于存储计算机可读程序,所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指定相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种路线确定方法,其特征在于,所述方法包括:
根据目标任务的起始位置和目标位置确定至少一个候选路线,所述候选路线包括至少一个路段;
根据所述候选路线中的相邻路段上的预定点确定对应的虚拟路段,所述虚拟路段包括相邻路段上的预定点之间的路段和对应的交叉口;
获取各所述虚拟路段对应的拟合分布,所述拟合分布用于表征单位距离行程时间或所述虚拟路段的行程时间在对应时间区间内的各个时间的概率密度;
根据所述虚拟路段的拟合分布确定所述虚拟路段的多个随机行程时间;
根据各所述虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间;
根据各路线行程时间从所述候选路线中确定目标路线;
其中,根据各所述虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间包括:
根据各所述虚拟路段的随机行程时间、所述起始位置与所述起始位置所在路段上的预定点的位置关系、所述目标位置与所述目标位置所在路段上的预定点的位置关系,确定对应候选路线的路线行程时间。
2.根据权利要求1所述的方法,其特征在于,所述预定点为对应路段的中点;
根据所述候选路线中的相邻路段上的预定点确定对应的虚拟路段包括:
将相邻路段中点之间的路径和对应的交叉口确定为对应的虚拟路段。
3.根据权利要求1所述的方法,其特征在于,各所述虚拟路段对应的拟合分布通过以下步骤确定:
获取历史轨迹数据;
根据各历史轨迹中的相邻路段的预定点确定各所述历史轨迹对应的多个虚拟路段;
确定各所述虚拟路段的历史行程信息,所述历史行程信息包括对应虚拟路段的长度、历史行程时间和单位距离行程时间;
根据所述虚拟路段的历史行程信息确定所述虚拟路段的拟合分布。
4.根据权利要求1所述的方法,其特征在于,根据各路线行程时间从所述候选路线中确定目标路线包括:
根据预定的时间阈值和所述候选路线的多个路线行程时间确定所述候选路线的可靠参数,所述可靠参数用于表征采用所述候选路线在所述时间阈值内到达所述目标位置的概率;
根据各所述候选路线的可靠参数确定所述目标路线。
5.根据权利要求1所述的方法,其特征在于,根据各路线行程时间从所述候选路线中确定目标路线包括:
根据预定的可靠参数阈值确定各所述候选路线对应的时间阈值;
根据各所述候选路线对应的时间阈值确定所述目标路线。
6.根据权利要求1所述的方法,其特征在于,获取各所述虚拟路段对应的拟合分布包括:
根据所述目标任务的发起时间所在的时间段确定各所述虚拟路段对应的拟合分布。
7.一种路线确定装置,其特征在于,所述装置包括:
候选路线确定单元,被配置为根据目标任务的起始位置和目标位置确定至少一个候选路线,所述候选路线包括至少一个路段;
虚拟路段确定单元,被配置为根据所述候选路线中的相邻路段上的预定点确定对应的虚拟路段,所述虚拟路段包括相邻路段上的预定点之间的路段和对应的交叉口;
拟合分布获取单元,被配置为获取各所述虚拟路段对应的拟合分布,所述拟合分布用于表征单位距离行程时间或所述虚拟路段的行程时间在对应时间区间内的各个时间的概率密度;
第一时间确定单元,被配置为根据所述虚拟路段的拟合分布确定所述虚拟路段的多个随机行程时间;
第二时间确定单元,被配置为根据各所述虚拟路段对应的随机行程时间确定对应候选路线的多个路线行程时间;
目标路线确定单元,被配置为根据各路线行程时间从所述候选路线中确定目标路线;
其中,所述第二时间确定单元进一步被配置为根据各所述虚拟路段的随机行程时间、所述起始位置与所述起始位置所在路段上的预定点的位置关系、所述目标位置与所述目标位置所在路段上的预定点的位置关系,确定对应候选路线的路线行程时间。
8.一种电子设备,所述电子设备包括存储器、处理器和显示器,其特征在于,所述显示器用于受控显示路线信息,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时以实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011325036.9A CN112330056B (zh) | 2020-11-23 | 2020-11-23 | 路线确定方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011325036.9A CN112330056B (zh) | 2020-11-23 | 2020-11-23 | 路线确定方法、装置、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330056A CN112330056A (zh) | 2021-02-05 |
CN112330056B true CN112330056B (zh) | 2024-06-07 |
Family
ID=74322746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011325036.9A Active CN112330056B (zh) | 2020-11-23 | 2020-11-23 | 路线确定方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330056B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116858274B (zh) * | 2023-08-22 | 2024-04-09 | 大拓无限(重庆)智能科技有限公司 | 一种路径规划方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240496A (zh) * | 2013-06-20 | 2014-12-24 | 中国移动通信集团公司 | 一种出行路径的确定方法和装置 |
CN107958302A (zh) * | 2017-11-17 | 2018-04-24 | 中南大学 | 基于虚拟拓扑交通网络的经验路径规划方法 |
CN109029472A (zh) * | 2018-07-10 | 2018-12-18 | 天津大学 | 基于低采样率gps轨迹点的地图匹配方法 |
CN110378525A (zh) * | 2019-07-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 出行计划确定方法、装置、设备及存储介质 |
CN110375760A (zh) * | 2019-07-29 | 2019-10-25 | 北京百度网讯科技有限公司 | 路线确定方法、装置、设备和介质 |
CN110579219A (zh) * | 2019-09-09 | 2019-12-17 | 腾讯大地通途(北京)科技有限公司 | 轨迹数据处理方法、装置、存储介质和计算机设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2492331A (en) * | 2011-06-27 | 2013-01-02 | Tomtom Int Bv | Means for estimating journey attributes based on mobile device journey data |
US9097551B2 (en) * | 2013-02-28 | 2015-08-04 | Here Global B.V. | Method and apparatus for processing location-based imaging and trace data |
US9283967B2 (en) * | 2014-07-16 | 2016-03-15 | GM Global Technology Operations LLC | Accurate curvature estimation algorithm for path planning of autonomous driving vehicle |
-
2020
- 2020-11-23 CN CN202011325036.9A patent/CN112330056B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240496A (zh) * | 2013-06-20 | 2014-12-24 | 中国移动通信集团公司 | 一种出行路径的确定方法和装置 |
CN107958302A (zh) * | 2017-11-17 | 2018-04-24 | 中南大学 | 基于虚拟拓扑交通网络的经验路径规划方法 |
CN109029472A (zh) * | 2018-07-10 | 2018-12-18 | 天津大学 | 基于低采样率gps轨迹点的地图匹配方法 |
CN110378525A (zh) * | 2019-07-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 出行计划确定方法、装置、设备及存储介质 |
CN110375760A (zh) * | 2019-07-29 | 2019-10-25 | 北京百度网讯科技有限公司 | 路线确定方法、装置、设备和介质 |
CN110579219A (zh) * | 2019-09-09 | 2019-12-17 | 腾讯大地通途(北京)科技有限公司 | 轨迹数据处理方法、装置、存储介质和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112330056A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428117B (zh) | 城市轨道交通多场景下客流精准诱导方法及系统 | |
JP5941987B2 (ja) | 交通量予測装置および方法 | |
McCahill et al. | The applicability of space syntax to bicycle facility planning | |
JP5815718B2 (ja) | プローブデータを利用してナビゲーション優先度設定を判定し且つ検証する方法 | |
JP6324101B2 (ja) | 旅行時間データ調製装置、旅行時間データ調製方法およびプログラム | |
CN112344947B (zh) | 地图匹配方法、装置、电子设备和计算机可读存储介质 | |
CN109213153B (zh) | 一种车辆自动驾驶方法及电子设备 | |
CN112985442B (zh) | 行驶路径匹配方法、可读存储介质和电子设备 | |
CN110646004B (zh) | 一种基于路况预测的智能导航方法及装置 | |
CN112991008B (zh) | 一种位置推荐方法、装置及电子设备 | |
US11955000B2 (en) | Methods, systems, and media for generating and evaluating street grids | |
CN116046008A (zh) | 基于态势感知的路线规划方法、系统及效能评估装置 | |
CN112330056B (zh) | 路线确定方法、装置、电子设备和计算机可读存储介质 | |
Jang et al. | A study on the effectiveness of A2C and A3C reinforcement learning in parking space search in urban areas problem | |
CN113191028B (zh) | 交通仿真方法、系统、程序及介质 | |
CN110220527A (zh) | 一种基于公众活动预测的路径规划方法和装置 | |
CN112381470B (zh) | 基于智能体的交通流量分配方法、设备及存储介质 | |
CN116793376B (zh) | 一种基于最短路径和历史经验的路径预测方法、装置及存储介质 | |
CN116631183A (zh) | 交通影响评价方法和系统 | |
JP6366296B2 (ja) | 経路探索装置および経路探索方法 | |
CN114413923B (zh) | 一种行驶路线推荐方法、装置、存储介质及系统 | |
CN112785393B (zh) | 一种位置推荐方法、装置及电子设备 | |
CN113902427B (zh) | 一种预估到达时间的确定方法、装置、设备及存储介质 | |
CN112991810B (zh) | 停车位置确定方法、装置、存储介质和电子设备 | |
CN113592184B (zh) | 一种预测适宜运动空间的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |